復(fù)雜結(jié)構(gòu)設(shè)計的優(yōu)化方法和近似技術(shù)研究.pdf

1、在現(xiàn)代航空推進系統(tǒng)中，渦輪盤是航空發(fā)動機的關(guān)鍵部件，其工作條件非常嚴酷。為了減少或避免渦輪盤破壞性故障的發(fā)生，亟需采用有效方法進行渦輪盤優(yōu)化設(shè)計，以便改善渦輪盤內(nèi)部的溫度及應(yīng)力分布狀況，提高渦輪盤的設(shè)計品質(zhì)。因此，本文以發(fā)動機渦輪盤結(jié)構(gòu)優(yōu)化設(shè)計問題為應(yīng)用背景，對復(fù)雜結(jié)構(gòu)設(shè)計的優(yōu)化方法和近似技術(shù)進行了研究和探討。
　　在復(fù)雜結(jié)構(gòu)設(shè)計的優(yōu)化方法上，主要研究了現(xiàn)代智能優(yōu)化算法中的遺傳算法和差分進化算法，重點解決已有遺傳算法和差分進化算法

2、在求解復(fù)雜約束優(yōu)化問題時存在的早熟收斂、局部收斂、優(yōu)化后期收斂速度慢等問題，提出有效的解決方法和優(yōu)化算法。在近似技術(shù)方面，主要研究函數(shù)全局近似方法中的Kriging響應(yīng)面法近似技術(shù)，重點解決已有Kriging響應(yīng)面法在近似求解復(fù)雜優(yōu)化設(shè)計問題時存在的函數(shù)評價次數(shù)多和計算量大的問題。
　　首先，在分析遺傳算法原理的基礎(chǔ)上，針對傳統(tǒng)遺傳算法不適合求解復(fù)雜約束優(yōu)化問題的缺陷，提出一種能夠處理復(fù)雜約束條件的約束分級與排序方法?；谠摲椒ê?/p>

3、改進的遺傳算子，提出一種求解約束優(yōu)化問題的基于約束分級與排序的遺傳算法。數(shù)值試驗表明，該算法具有較好的穩(wěn)定性和全局尋優(yōu)能力，能夠有效求解連續(xù)變量約束優(yōu)化問題和連續(xù)-離散混合變量約束優(yōu)化問題。
　　其次，在分析差分進化算法原理的基礎(chǔ)上，針對原始差分進化算法在求解約束全局優(yōu)化問題時存在陷入局部最優(yōu)的缺陷，提出一種改進的差分進化算法。該算法采用基于規(guī)則的方法進行種群個體的比較及選擇，實現(xiàn)復(fù)雜約束條件的處理;并利用種群相似度和最優(yōu)變異操作

4、改善種群進行全局范圍搜索的多樣性，提高算法跳出局部最優(yōu)的能力。數(shù)值試驗表明，該算法具有較好的穩(wěn)定性、收斂速度和全局尋優(yōu)能力，不僅能有效求解連續(xù)變量約束優(yōu)化問題，也適用于離散變量或混合變量優(yōu)化問題。
　　再次，針對原始差分進化算法后期收斂速度慢和不適合求解約束全局優(yōu)化問題的缺陷，提出一種魯棒的存檔差分進化算法。該算法利用柔性處理算子擴展對不同類型優(yōu)化問題的適用性;利用存檔算子、迭代控制以及效率處理算子避免在設(shè)計空間中不必要的重復(fù)搜索

5、，從而提高算法的局部搜索效率和最終解的精確度。數(shù)值試驗表明，該算法具有較好的穩(wěn)定性、收斂速度和全局尋優(yōu)能力，對不同類型優(yōu)化問題的適用性好，不僅適用于無約束優(yōu)化問題，而且適用于連續(xù)變量和連續(xù)-離散混合變量約束優(yōu)化問題。
　　然后，為了解決復(fù)雜工程優(yōu)化設(shè)計中設(shè)計精度和計算代價之間的矛盾，針對已有的Kriging方法計算量較大的缺陷，從樣本處理、試驗樣本選取和近似優(yōu)化框架三個方面進行改進，并將改進的Kriging方法與現(xiàn)代智能優(yōu)化方法相

6、結(jié)合，提出一種基于Kriging的近似優(yōu)化方法，為復(fù)雜結(jié)構(gòu)優(yōu)化問題的求解提供一種計算代價低且計算精度能夠滿足工程需要的有效途徑。計算結(jié)果表明，基于Kriging的近似優(yōu)化方法能夠在優(yōu)化計算結(jié)果滿足工程精度要求的前提下，顯著減少優(yōu)化設(shè)計的仿真分析次數(shù)，降低計算代價。
　　最后，針對具有熱-慣性離心載荷耦合作用特點的渦輪盤結(jié)構(gòu)優(yōu)化問題，建立渦輪盤優(yōu)化設(shè)計模型及載荷分析模型，用基于Kriging的近似優(yōu)化方法進行渦輪盤的近似優(yōu)化設(shè)計，并